考虑道路因素的智能车辆纵向运动决策与控制研究

针对智能车辆纵向运动时的交通道路适应性问题,考虑路面附着系数和前车运动速度等因素,研究了智能车辆纵向运动决策与控制方法。论文研究了基于车头时距的纵向运动决策方法并建立不同驾驶行为的目标车速模型,运用变论域模糊推理算法设计了目标加速度模型。基于纵向动力学模型,运用自适应反演滑模控制算法建立了驱动控制器和制动控制器。对高附着系数路面和低附着系数路面的行驶工况进行仿真试验验证,结果表明,在不同的附着系数路面和前车变速行驶条件下,智能车辆能实时、合理地决策目标车速、目标加速度,实现安全、高效、稳定的跟驰。     

雨重行车

春夏季节雨水较多,机动车驾驶员一定要提高警惕。交警提示：雨天行车,后车应随时注意前车动态,保持安全距离,避免因前车紧急制动或急转方向而发生事故。如果在山区道路遇雨天泥泞,机动车要与道路边缘保持适当距离,选择道路中间坚实路面行驶,防止路基松软坍塌造成险情。     

车路集成环境下车辆防撞预警安全状态判别模型的研究

针对现有安全状态判别模型未能兼顾行车安全与道路空间资源利用率,且忽略了实际行驶环境下动态制动减速度信息的问题,提出了车路集成条件下车辆防撞预警安全状态判别模型。通过车-路通信协作实现对路面类型等实际行驶环境因素的动态识别,并确定车辆采取制动措施时所能获得的动态制动减速度;通过分析前车与自车的有效制动时间和车辆制动全过程,建立了新型临界跟车距离模型,并给出了模型关键参数的获取方法。仿真结果表明,该判别模型具有较强的自适应性,更贴近车辆实际行驶环境下的制动过程,有利于提高道路空间的利用率。     

NISSAN 车距控制辅助系统

在拥堵路面上行驶时,驾驶员必须精神高度集中地控制着与前车的距离,只要稍不留神就会发生追尾。于是很多人就想,如果车辆可以自动控制与前车的距离该多好。     

观察专业车辆

<正>路面行驶的专业车辆,如出租车、公交车、班车等车辆主要由专业驾驶员驾驶,但这一类车的路面行驶也有特点。这一期以出租车和公交车为主,总结路面行驶中对专业车辆的观察和判断。公交车公交车的典型特点就是车身庞大,且有严格固定的路线和停靠车站。在路面行驶过程中遇到公交车,靠近公交站时看到前车减速,应及早采取措施。当然,对公交车也不能一味按照正常行驶规律判断。比如有的公交车站靠近路口,公交车由于体型庞大,若必     

冰雪路上巧行车

车辆在冰雪道路上行驶，由于路面较滑，容易发生交通事故，给国家和人民生命财产造成损失。如何减少或避免交通事故的发生，笔者认为，首先是驾驶员要掌握车辆在冰雪道路上的行驶方法；其次是了解车辆在冰雪道路上行驶时应注意的事项。     

基于支持向量机的跟车模型优化

利用毫米波雷达、车辆总线设备及GPS等设备搭建实车数据采集平台,采集真实交通环境下车辆跟车行驶时前车运动状态表征参数,以两车间相对速度、相对距离、自车速度和横摆角速度为输入参数,基于支持向量机理论,利用粒子群算法对支持向量机参数进行优化,建立跟车行驶时前车运动状态预测模型。结果表明,该模型能有效预测前车加速、减速及稳速状态,时间窗口宽度为3s时,直线道路上的预测准确率为89%;时间窗口宽度为3.5s时,曲线道路上的预测准确率为87%。     

高速公路苜蓿叶型立交环形匝道侧滑事故仿真研究

环形匝道是一类事故高发的互通立交匝道,为得到环形匝道的事故发生机制,以宜泸高速公路白鹤林枢纽互通对象,在Carsim软件环境下建立该互通的三维数字模型,模拟车辆在主线-匝道-主线的完整运行过程,在仿真中改变汽车行驶工况和道路运行条件,得到了环形匝道行驶的临界条件并提出了安全改善对策,主要结论如下:超速行驶对车辆匝道行驶稳定性及车辆侧向偏移量有显著影响,超速程度越严重,车辆在匝道上的侧滑风险越高.路面条件对行驶稳定性影响较大,车辆行驶超速20%,在较差的道路条件下(路面有积水、浮雪、霜等),也可以安全行驶,车辆侧滑的风险较低;行驶超速50%,车辆在稍差的道路条件下(路面湿润),可以完成行驶,但存在较高的侧滑风险;超速70%,即使在干燥路面(路面附着系数0.65)行驶也一定会发生侧滑;即超速程度越高,道路附着系数对车辆侧滑影响越大.车辆超速进入匝道时,驾驶员减速操作的起点位置对侧滑存在较大影响,减速起点距离匝道圆曲线越近,侧滑风险水平越高.      

基于贝叶斯网络的联网环境中跟车工况下的前车运动状态预测

车辆行驶过程中,前方车辆运动状态预测是车辆智能控制系统的重要研究部分。车辆运动状态受其驾驶员驾驶风格、道路状况、交通流、前方车辆运动速度和加速度等因素的影响,使车辆在未来一定时间段内的运动状态具有较大不确定性,给前方车辆的运动状态预测带来困难,因此本文中对跟车工况下前车运动状态预测进行研究。本文中在分析车辆跟车工况时的运动特性,采用贝叶斯网络对前方车辆运动速度进行预测,将获得的车辆跟车工况时的运动状态数据分为训练集和测试集。通过训练集辨识前车速度预测贝叶斯网络参数,通过测试集检验前车速度预测贝叶斯网络的预测效果。对前车未来0.1,0.5,1和2s时的运动速度进行预测,预测结果表明,前车的实际运动速度均在前车速度预测贝叶斯网络预测的95%置信区间内。     

基于人-车-路环境下的车辆跟驰模型

在现有的跟驰模型基础上,综合考虑驾驶员个体差异、车辆制动性能差异和交通路况因素,并针对前车静止、减速和匀速或加速三种不同行驶状态,以前后车所需的最小安全距离为目标,建立不同行驶工况下的人-车-路环境下的最小安全距离车辆跟驰模型。最后,针对前车不同行驶工况下对最小安全距离进行数值计算,并与现有的传统模型计算结果进行对比。结果表明:在车辆跟驰过程中,前后车之间所需的最小安全距离会受人、车、道路环境影响而有所变化,文中建立的模型更加准确、合理,符合真实交通现象。     

基于TruckSim的客车行驶安全因素研究

一些行驶的车辆在一些紧急情况下可能会因为驾驶员对路面情况判断失误而导致交通事故的发生,客车相对于一些小型车辆来说重心高,稳定性相对较低,在路面上行驶安全性也相对较低,可能会出现侧滑、甩尾现象。文章研究客车行驶的稳定性,通过TruckSim软件对客车进行建模仿真,得到客车在不同道路条件路面上行驶时的试验性能曲线,分析影响客车的安全因素,有助于帮助驾驶员在安全地行驶速度下运行,提高客车安全性。     

基于安全车速的北京冬奥会山地道路冰雪路面通行能力研究

复杂山地线形和道路冰雪路面结合条件下的安全车速设置及通行能力保障是交通管理面临的新挑战。针对北京冬奥会延庆赛区复杂山地道路冰雪路面场景，建立了安全车速与道路线形设计及路面附着系数之间的关系，以安全车速为依据得到了不同路面条件下山地道路的通行能力。依据道路平曲线、竖曲线和横断面数据建立了山地道路三维空间模型；分析了车辆在山地道路平纵组合路段的受力情况，构建了车辆安全行驶速度与圆曲线半径、道路超高、纵坡坡度和路面附着系数的关系模型，并分析了基于安全车速模型的道路通行能力。为了验证模型，选取2种常见的冰雪路面状况和2种常用的车辆类型，获得不同条件下山地道路冰雪路面的安全车速。采用VISSIM软件设计了20种仿真场景，结合道路实测数据验证了安全车速模型的对山地道路冰雪路面车辆安全行驶的提升作用。实测与结果表明:相比全程单一限速模型，所建立的安全车速模型在冰膜路面的行程时间缩短了约38%（小汽车）和32%（大客车），雪板路面的行程时间缩短了约26%（小汽车）和24%（大客车）。山地道路交通流量存在1个自由流到饱和流的相变过程，冰膜路面小汽车下行最大交通量为241辆/h（单向行驶）和231辆/h（双向行驶），大客车下行最大交通量为227辆/h（单向行驶）和222辆/h（双向行驶）；雪板路面小汽车下行最大交通量为319辆/h（单向行驶）和249辆/h（双向行驶），大客车下行最大交通量为301辆/h（单向行驶）和236辆/h（双向行驶）。      

如何保持安全的跟车距离？

安全第一 在平时就养成驾驶的好习惯．不要与前车靠得太近．最好留有一段宽裕的空间。 保持反应沟通空间 保持安全距离不仅可以留给驾驶者观察其它车辆的动向的足够时间，而且可以把自己的行驶意图通过信号提前传递给其它车辆。 两秒钟原则 选择路面或路边的某一固定参照物。     

L6-A、L7-A和L7-B类车辆静态稳定性相关的车辆质量和尺寸要求及测试方法

正L6e-A(轻型道路四轮车), L7e-A(重型道路四轮车)和L7e-B(重型全地形车)车辆的代步性和娱乐性决定了它不仅仅需要在硬铺装路面上行驶,而且需要在非道路上行驶。由于需要满足所有的行驶路面,相对其车宽和轴距,它的重心要高,这导致了车身的不稳定,因此在设计时需要对车辆的尺寸和质量进行周密的考虑,以满足车辆的静态稳定性。本文从认证角度出发,详细讲述了欧标车辆静态稳定性方面的技术要求及其相应的试验方法,以供读     

ABS系统使用须知

1.要保持足够的制动距离。当在良好的路面上、低中速行驶时,至少要保持与前车有3～5秒钟的制动反应时间;在不好的路面或中高速行驶时,要留有较长的制动反应时间。2.ABS系统起作用时,车轮不会抱死,前轮仍有导向作用,驾驶员可以边制动边转动转向盘进行紧急避险。3.切忌反复踩制动     

基于视觉与激光雷达数据融合的前车识别研究

智能驾驶技术已经成为智能车的重要开发领域,这一技术实现的关键就是对车辆精确的环境感知,对周围物体进行准确识别,避免车辆在行驶过程中出现事故,在智能辅助驾驶系统起关键性作用。目前,单一传感器不能满足复杂工况下的路面识别,基于多传感器的数据融合(Multi-sensor Information Fusion,MSIF)可以提高检测效率,改善单一传感器检测不精确的缺陷,文章先对传感器进行标定实现多传感器的时空同步,对识别的物体进行检测判断,确定前车。实验结果表明此方法有利于提高汽车安全行驶性能,可以准确、实时地识别前方车辆,满足多工况下的前车识别。     

摩托车行驶中危险的预测与处理

行驶途中干变万化的道路状况对车辆及驾驶员构成很大威胁，准确预测并根据不同路况选择合理的对策对保障驾驶员安全是非常重要的，“凡事预则立，不预则废。”就是这个道理。首先，我们在行驶中要观察判断路面的构成颜色，根据观察确认前方道路路面是干净整洁的、有油污的，还是松散的碎石子路。而湿滑的路面，铁路道口的钢轨上，有油污的路面，     

冰雪路安全行车十防

冬季气候严寒,道路常被冰雪覆盖。车辆在冰雪路面上行驶时,因路面的附着系数显著下降,容易出现打滑、甩尾现象,极易发生事故。为保证车辆在冰雪道路上行车安全,驾驶员应做好以下十防:防车况不良出车前,应加强对车辆的检查,保持其技术状态良好,特别是转向系、制动系应有效、可靠     

基于道路友好性的重载汽车悬架半主动控制研究

车辆的平顺性和道路友好性是反应车辆悬架性能的2个重要指标。为改善重载汽车在道路行驶中的友好性,基于7自由度重载汽车动力学模型,建立了半主动悬架系统的运动方程,设计了半主动悬架最优控制器,考虑路面不平度的随机激励,以车辆平顺性和道路友好性为控制目标,提出了车辆悬架的最优半主动控制策略,并且给出了详尽的推导过程。仿真分析结果表明:当汽车以20m/s的速度行驶在C级路面时,车身和驾驶室垂向加速度有效均方根值分别减少了3.42%和46.4%,轮胎对路面的破坏减少了2.10%;半主动控制悬架有效地保证了车辆行驶的平顺性,同时可减小车辆对路面的冲击作用,改善了车辆的悬架性能。     

考虑前车安全速度效应的自动驾驶车辆异质交通流特性分析

随着自动驾驶技术的发展,自动驾驶车辆获取的信息更加完善。为研究考虑前车安全速度效应条件下自动驾驶车辆对高速公路交通流的影响,以双车道元胞自动机模型为基础,建立考虑前车安全速度效应的跟驰规则和换道模型。利用MATLAB数值模拟高速公路异质交通流,分析考虑前车安全速度效应的自动驾驶车辆对道路交通流的影响,并分析车辆的拥堵情况和换道情况。研究表明,考虑前车安全速度效应的自动驾驶车辆可以显著提升道路通行能力,全自动驾驶车辆可达全人工驾驶车辆交通流的近似2倍;考虑前车安全速度效应的自动驾驶车辆的增加可以降低道路拥挤程度,全自动驾驶车辆比全人工驾驶车辆发生拥堵的临界密度提高了20 veh/km;自动驾驶车辆渗透率的增加会增加相应的换道次数,全自动驾驶车辆情况下,自动驾驶车辆基本不发生换道行为,同时智能网联车辆可以减小暴露碰撞安全性风险。